基于时空遥感数据融合的土地覆盖分类方法研究

摘要

土地与人类方方面面的生活密切相关，土地利用与土地覆盖是地表生物生存与发展体系当中的重要构成部分，是全球科学界关注的热点和趋势之一。所以，能够及时准确地获取土地覆盖分类情况是非常重要的，具有十分重大的意义。然而，土地覆盖分类是一个比较复杂的过程。目前，遥感技术凭其优越的自身条件即效率高、成本低，在土地覆盖分类以及资源检测中得到了广泛的应用，地表地物类别分类也是遥感技术领域中一项关键性任务。随着遥感平台、传感器、网络及通信等相关技术的飞速发展，如何使遥感影像的土地覆盖分类能够迅速、精确、实时地进行，如何提高土地覆盖分类精度是当前探索、研究的热点课题。事实上，我们可以认为，对土地覆盖分类方法的研究可看作是对遥感影像的分类技术及精度提取的研究。
　　本文利用MODIS影像的多光谱、高时相以及易获取的优势结合Landsat-8影像的高空间分辨率的优势，基于Adaboost算法思想的数据融合对研究区——泰国东北部的土地覆盖进行分类。主要的研究内容包括：
　　1．由于泰国东北部地区雨季多云多雨，因此影像噪声污染严重，本文首先针对影像云覆盖的问题进行了相应的处理。采用S-G滤波方法对MODIS影像进行去云去噪处理，优化影像质量，又对影响Landsat影像的大气辐射进行了简要的说明，为提高影像清晰度从而间接的提高分类精度对其作了大气辐射校正。
　　2．基于重构的MODIS NDVI时序数据，本文采用欧氏距离来度量与各地类标准时序曲线的相似度，从而对MODIS数据进行模糊分类。文中利用MOD09Q1 NDVI时间序列数据对泰国东北部2010、2015年土地覆盖进行分类，得到了分类结果图及面积统计结果。后针对Landsat-8影像利用基于面向对象的最邻近法进行模糊分类，得到了2015年泰国东北部各地类分类隶属度图，与MODIS分类结果进行比较并给出了精度评价。
　　3．本文基于Adaboost算法，主要是利用了Adaboost的迭代加权融合思想将MODIS影像和Landsat-8影像进行融合，即以它们的模糊分类精度为影像融合分类的依据，经过两轮融合分类，完成对研究区的土地覆盖分类。研究表明，高时相性的MODIS数据与高分辨率的Landsat-8影像进行融合，充分利用了各自的优势，其分类精度比单一用某种传感器影像所得到的精度要高，可以取得较理想的分类效果。
　　本研究为多云多雨区及地类分布不均、地块破碎的区域进行土地覆盖分类提供了有效的技术手段，有较好的性能与前景。

目录

声明

1 绪论

1.1 研究背景和意义

1.2 研究现状

1.3 研究目标和内容

1.4 论文组织结构

2 研究区及数据

2.1 研究区概况

2.2 数据介绍

2.3 本章小结

3 遥感数据去云去噪处理

3.1 MODIS时序数据去云去噪

3.2 Landsat影像的大气辐射校正

3.3 本章小结

4 多源数据的模糊分类

4.1 研究区土地覆盖分类系统

4.2 模糊分类

4.3 基于曲线相似度的MODIS影像模糊分类

4.4 基于面向对象的Landsat影像模糊分类

4.5 本章小结

5 基于Adaboost的时空影像融合

5.1 Adaboost算法概述

5.2 Adaboost算法的应用领域

5.3 Adaboost算法的在遥感中的应用

5.4 基于Adaboost算法的时空影像融合

5.5 融合分类结果及精度

5.6 本章小结

6 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢